I lois de probabilités discrètes

Chapitre 11 Terminale S LOIS DE PROBABILITES I Lois de probabilités discrètes 1) Loi de Bernoulli Sur le parcours de Matilda, il y a 3 feux tricolores. On suppose les réglages des feux indépendants les uns des autres. Chaque feu reste vert pendant 25 secondes et il s'écoule 35 secondes avant qu'il ne repasse au vert. Construire un arbre de probabilités pour décrire complètement le trajet. Définition: Un épreuve de Bernoulli est une expérience aléatoire qui ne comporte que 2 issues, l'une appelée succès de probabilité p, l'autre appelée échec de probabilité 1-p On appelle loi de Bernoulli une loi de la forme suivante: issue Succès (S) Echec() probabilité p 1-p 2) Loi Binomiale Reprenons l'exemple précédent. Soit X la variable aléatoire égale au nombre de feux verts rencontrés par Matilda sur son trajet. 1) Vérifier que p(X=1) = 3x x  2 2) Déterminer la loi de probabilité de la variable aléatoire X. La loi X est appelée loi binomiale de paramètre n = 3 et p = Remarque : (p + (1-p) )3 = p3 + 3p(1-p)2 + 3p2(1-p) + (1-p)3 on retrouve la formule du binôme. Le nombre d'issues pour X=1 est 3 car cela correspond au nombre de partie de 1 élément parmi 3. En effet pour X=1 on a un V et deux , les mots ainsi constitués s'obtiennent en plaçant un V dans 3 cases numérotées, donc le nombre de parties de 1 élément parmi 3, le nombre de choix possibles est Définition: Un schéma de Bernoulli est la répétition de n épreuves de Bernoulli identiques et indépendantes (c'est à dire que l'issue de l'une ne dépend pas de l'issue des épreuves précédentes) La variable aléatoire X à valeurs dans { 0,1,…,n} qui correspond au nombre de succès suit la loi binomiale de paramètre n et p Théorème: Soit X une variable aléatoire suivant la loi binomiale de paramètres n et p La loi X est définie par p (X=k) = pk(1-p)n-k pour 0  k  n L'espérance et la variance de X sont E(X) = n p et V(X) = n p(1-p) Exercices : 1,4,7,8 p303 II Lois de probabilités continues Jusqu’à présent, on a définit une loi de probabilité sur un ensemble fini d’issues d’une expérience aléatoire. Voici comment définir une loi de probabilité sur des intervalles. 1) Loi de probabilité continues (ou à densité) Définition : On envisage deux situations I = [a ;b] ou I = [a ;+  [ f désigne une fonction continue positive sur l’intervalle I telle que : si I = [a ;b] , alors = 1 si I = [a ;+  [ , alors = 1 On définit alors la loi de probabilité sur I de densité f de la façon suivante : Pour tout intervalle [c ;d]  I P( c  X d ) = Dans le cas ou I = [a ;+  [ , alors pour tout intervalle [c ;+  [  I P ( X  c) = Conséquences : P ( X = c) = = 0 donc P ( X  c) = P ( X < c) Soit J et J’ deux intervalles formant une partition de I ( J J’ = I ) alors on peut écrire P( J ) = 1 – P( J’) donc P ( X  c) = 1 - P ( X > c). Exemple : Le choix au hasard d’un nombre réel dans un intervalle [-1 ;4] se modélise par une loi uniforme P sur [1 ; 4] (car la probabilité d’obtenir un nombre x est la même que la probabilité d’obtenir y ) de densité constante ( car (4-(-1))x = 1, l’aire doit être égale à 1) Si l’on considère la loi uniforme définie précédemment : la probabilité d’obtenir un réel égal à  est : P() = 0 la probabilité d’obtenir un réel positif est : P(0 X 4) =4 x = -1 4 2) Loi uniforme a) Loi uniforme sur [ 0 ;1] Définition : La loi uniforme sur [0 ;1] a pour densité la fonction constante f définie sur [ 0 ; 1 ] par f(x) =1 1 conséquence : si [a ; b ]  [0 ; 1] alors P( a 0 1 b) Loi uniforme Définition : La loi uniforme sur un intervalle [a ;b] (a < b) a pour densité la fonction constante  a b 3) Loi exponentielle Définition : La loi exponentielle de paramètre  sur [ 0 ; +  [ a pour densité la fonction f définie sur [ 0 ; +  [ par f(x) = e -x , où  est un réel strictement positif.  Conséquences : Pour tout intervalle [a ;b]  [0 ;+ [ on P( a X  b ) = = [ - e-x ]ab = - e-b + e-a = e-a-e-b  P (X  0) = =1 Exemple : La durée de vie X (en h) d’un composant électronique a été modélisée par la loi exponentielle de paramètre  = 0.0006 sur [0 ; +  [ 1) Quelle est la probabilité qu’un de ces composants, pris au hasard, ait une durée de vie inférieure à 1000 heures ? 2) Quelle est la probabilité qu’un de ces composants, pris au hasard, soit encore en état de marche au bout de 500 heures ? 4) Variables sans mémoires On dit que la durée de vie est sans mémoire (ou sans vieillissement) lorsque la probabilité que le composant fonctionne à l’instant t, ne dépend pas de t. Définition : Une variable aléatoire positive est sans mémoire (ou sans vieillissement) lorsque pour tout t  0 et h  0, P ( X  t + h / X  t ) = P ( X  h ) Théorème : Une variable aléatoire X qui suit une loi exponentielle est sans mémoire. Réciproquement, si X est sans mémoire, alors sa loi est exponentielle. Démon. : ROC montrer que X suit une loi exponentielle implique X sans mémoire Demie vie : Soit une variable aléatoire X sans mémoire ( qui suit donc une loi exponentielle). On appelle demie vie la durée  telle que P(X<  ) = 0,5 Si  est le paramètre, P(X<  ) = 1-e , d’ou  = Exercices :13, 15, 17, 23p 303-304 , 45 p309, 57, 58 p311 Stepec Page sur 19051.doc

similaire:

	Chap. Simulation de lois discrètes I. Lois uniformes		13 – Probabilités
	TD2 : Rappels de Probabilités		Exercices de Probabilités Statistique
	«Essai philosophique sur les probabilités»		Lois naturelles et lois civiles : quelle est leur place dans le
	Ces moyens sensibles, écrit Beccaria, ce sont les peines établies... «C’est de la bonté des lois criminelles que dépend principalement la liberté du citoyen.»		«Un corps vivant est un mécanisme, dont IL faut chercher les lois...
	Essaie de nous convaincre que les lois peuvent donner accès à une vraie justice «légales». Or on ne peut réserver un tel qualificatif qu’à des lois décrétées et promulguées par un législateur ou une assemblée...		Probabilités Conditionnelles – Loi Binomiale «obtenir deux cartes de même valeur ou un roi et une autre carte de valeur différente»